基于异类传感器信息融合的目标跟踪理论与方法研究

摘要

目标跟踪技术自上世纪中叶发展至今，已被广泛应用于工业机器人、视频监控和导弹拦截等各个领域。随着信息技术的高速发展，利用多个传感器的融合信息对目标的运动状态进行估计，以提高目标跟踪系统的实时性和准确性，获得单一传感器无法达到的跟踪性能，已经成为目标跟踪领域研究和关注的重点。本文以新一代空中加油技术——全自主式空中加油作为应用背景，研究了该项技术中的关键部分之一:多传感器目标跟踪系统。在非接触、高精度、高实时性等要求下，利用异类传感器系统的信息互补优势，有效地解决目标跟踪过程中的时空配准、信息时滞、估计相关等问题，最终完成对异类传感器目标跟踪方法的研究。具体而言，本文的主要工作如下:
　　(1)针对空中加油过程中对目标跟踪系统的要求与限制，提出了基于双目视觉传感器和激光测距传感器相结合的异类传感器目标跟踪系统。双目视觉传感器进行目标跟踪时，沿光轴方向测量精度较差，因此提出了使用一维点激光测距传感器进行测量修正的方案;在修正过程中，激光测距传感器的测量值受到双目视觉传感器提供的方位角和俯仰角的影响，导致其跟踪误差增大，通过空间配准的误差传递分析，验证了本文提出的异类传感器目标跟踪系统的可行性。
　　(2)在测量数据预处理技术研究的基础上，提出了基于改进型Wasserstein距离的野值集合剔除算法。多传感器系统经过内插外推准则的时间配准后，测量频率较高的双目视觉传感器系统将会损失大量的信息，本文采用了等权平均数据压缩技术来提高这些信息的利用率和信噪比;为了在线检测并修正上述过程中出现的野值，随后提出了基于改进型Wasserstein距离对野值集合进行检测，并通过新息修正得到野值集合的修正权值，将其代入等权平均数据压缩技术中完成对野值的修正。仿真结果表明了该算法对系统出现的野值进行检测和修正的准确性。
　　(3)通过对空中加油过程中目标运动模型的研究，提出了基于矩形门的混杂系统自适应运动模型。通过分析受油机相对于加油机的运动状态，将其划分为四个阶段:匀速运动状态、减速运动状态、静止状态和扰动状态，本文提出使用矩形门的关联门技术，将各个运动状态进行自适应转换以最大程度逼近目标的真实运动状态，提高滤波精度。仿真结果验证了该模型对系统良好的适应性。
　　(4)针对系统的测量常时滞问题，提出了基于UT变换的CISM(Constant-step-lag In-Sequence Measurements)间接更新算法(UT-CISM-IU)。受到二轴转台机械性能的限制和两个传感器系统测量相关的影响，激光测距传感器系统每个周期的测量值总是滞后于当前时刻，形成了CISM问题。CISM属于OOSM问题之一，本文通过研究OOSM问题的解决方法，结合多传感器系统之间的信息互补优势，在UT变换的基础上，将双目视觉传感器在滞后时刻的测量值代入间接更新算法中，获得了激光测距传感器系统当前时刻的近似估计值;当激光测距传感器的滞后信息到达融合中心后，结合UT-A1算法解决了系统的CISM时滞问题。仿真结果验验证了该算法的准确性，系统的实时性得到明显改善。
　　(5)在UT-CISM-IU的基础上，通过对多传感器估计相关的融合算法研究，提出了无重置式独立修正信息系数的混合联邦Kalman融合算法。由于两个传感器系统的测量相关导致估计相关，使信息融合过程中互协方差的求取变得困难，本文首先提出了CI-Kalman对角阵加权融合算法，虽然该算法解决了互协方差计算复杂的问题，但是经过多层近似导致融合精度降低，属于次优算法;随后基于联邦Kalman滤波器，对信息系数进行了重新分配，结合无重置式结构和子滤波器的UT-CISM-IU算法，提出了在去相关基础上精度更高的信息融合算法。仿真验结果验证了该算法具有较高的精度和对系统较好的适用性。
　　(6)设计并建立了异类目标跟踪系统的实验系统。对各硬件设备进行了选型并完成了主控软件的编写，最后针对本文提出的多种算法进行了相应的实验验证。实验结果与仿真结果相互印证，说明了本文提出的系统的可行性和算法的准确性及有效性。
　　本文通过对目标跟踪方法中各要素的研究，解决了野值剔除、运动状态建模、测量相关引起的测量常时滞和估计相关等问题，最终达到了提高异类传感器系统跟踪精度的目的。本文的研究不仅对后续全自主式空中加油技术中受油机受油口的跟踪研究具有重要的工程意义，而且为机械工程领域中类似的目标跟踪问题提供了可参考的解决方案，并对目标跟踪和信息融合研究的完善有着一定的学术意义。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景

1．1．1 概述

1．1．2 目标跟踪技术

1．1．3 信息融合技术

1．2 研究课题的提出

1．3 国内外研究的发展与现状

1．3．1 空中加油技术

1．3．2 现代距离测量技术

1．3．3 目标跟踪估计算法

1．3．4 多源信息融合方法

1．4 主要研究内容及意义

1．4．1 主要研究内容

1．4．2 本文的工程及学术意义

1．5 论文的主要工作及组织结构

2 测量数据预处理技术研究

2．1 问题描述

2．2 多传感器配准初始化

2．3 空间配准算法的研究

2．3．1 二维空间配准问题描述

2．3．2 空间配准算法的选取

2．3．3 空间配准误差传递

2．4 时间配准算法的研究

2．5 野值剔除算法的研究

2．5．1 常规野值剔除算法的不适用性

2．5．2 利用Kalman滤波完成野值检测

2．5．3 等权平均的数据压缩技术

2．5．4 改进型Wasserstein距离的野值集合剔除算法

2．5．5 仿真分析

2．6 本章小结

3 目标跟踪模型研究

3．1 问题描述

3．2 目标运动模型的研究

3．2．1 混杂系统的模式空间

3．2．2 基于矩形门的混杂系统自适应模型

3．3 目标测量模型的研究

3．3．1 激光测距传感器球坐标模型

3．3．2 双目视觉传感器直角坐标模型

3．3．3 测量模型误差分析

3．4 仿真分析

3．5 本章小结

4 测量常时滞系统实时性求解算法研究

4．1 问题描述

4．2 OOSM问题的主要处理方法

4．3 经过回溯状态的EKF-A1算法

4．4 基于UT变换的CISM间接更新算法

4．5 仿真分析

4．6 本章小结

5 估计相关的异类传感器融合算法研究

5．1 问题描述

5．2 去相关的初步求解方法

5．3 CI-Kalman对角阵加权融合算法

5．4 无重置式独立修正信息系数的混合联邦Kalman融合算法

5．4．1 无重置式(No-reset mode)滤波结构

5．4．2 混合联邦Kalman滤波器的工作流程

5．4．3 独立修正的自适应信息系数分配方法

5．5 仿真分析

5．6 本章小结

6．1 问题描述

6．2 实验台设计

6．2．1 系统的总体结构

6．2．2 系统硬件的选型与参数

6．2．3 系统软件设计

6．3 实验研究

6．3．1 空间配准误差合理性验证实验

6．3．2 目标运动模型准确性验证实验

6．3．3 测量系统的实时性验证实验

6．3．4 融合算法的最优性验证实验

6．4 本章小结

7 总结与展望

7．1 全文总结

7．2 工作展望

参考文献

作者简历及攻读博士学位期间取得的研究成果

学位论文数据集